1.次世代ストレージ技術インベントリ:4つのテクノロジが最大の可能性を秘めています。
現在主流のDRAMメモリとNANDフラッシュメモリ技術への需要が増加するエネルギー効率の高いデータストレージとメモリ技術のためのモバイルデバイス、ネットワークアプリケーションの上昇ではなく、高速で長時間のデータを格納するために読んで、DRAMの書き込み速度;. NAND型フラッシュ付きデータを保存できますが、読み書き速度は良くありません。
双方は、コンピューティング、そのような磁気抵抗メモリ(MRAM)、抵抗性RAM(RRAM)、3D XPoint技術と高電位電子のスピン磁気メモリ(STT-MRAM)、等、のような次世代メモリの記憶容量は、次になるためながら世代のメモリ技術の新しい最愛の人。
学術アクセス速度のMRAM技術は、DRAMを上回るだろうMRAM技術のSRAMに近くに達し、早期Everspin会社によって開発された停電は、次世代メモリ技術の重要な競争相手として見られた後、データが失われることはありません。2017年の流行であります数年後、日本に日本で開催されたLSI技術LSI技術は、国際セミナーやシステム・アプリケーションを組織し、GLOBALFOUNDRIESは摂氏でデータを可能Everspin熱減磁eMRANテクノロジーと共同で発行しています150度でデータを保存し、22ナノメートルのプロセス技術の数年間は、2017年、2018年の生産を終了する予定です。
メモリは、R&Dに入れたが、すでに22ナノメートルプロセスが埋め込まれている磁気抵抗メモリ(eMRAM)生産技術を露出し、高価なメモリ市場TSMC、TSMC 2017技術フォーラムを撤回する失われ、2018年にスケジュールされていますテスト生産。
RRAMは利点がNANDに比べて低消費電力で、より高速なNAND型フラッシュメモリの10,000倍の情報を書き込む、大手メーカーが研究マイクロン、ソニー、サムスンに入れています。
TSMCは、22ナノメートルの製造とeRRAM技術を発表した。原理的には同様の多層配線構造の三次元構造、配線抵抗及び0と1を表す回折格子の使用、RRAMを使用してインテルとマイクロンとして3D XPointアート主要ベンダーを、。
命令サイクルが低いコンピューティングアプリケーションを必要とするため、NAND型フラッシュメモリよりも約1,000倍の速さを持つストレージデバイスへの良い代替は、また、使用することができています。
STT-MRAM技術は、高性能DRAM及びSRAMと低消費電力を有する、量子力学的電子スピン角運動量の使用で、従来のCMOS製造技術およびプロセスと互換性があります。
現在では、投資会社は、IEEEに掲載された研究論文は、それが成功した10ナノ秒と超消費電力アーキテクチャの伝送速度を達成していると述べたIBMとサムスン、SKハイニックス、東芝、IBMとサムスンがあります。
次世代メモリの将来は、DRAMとNANDフラッシュメモリ市場の一部を置換することが予想されるが、あるいは古い技術を交換してください。しかし、私は信じているために、その最初の人工知能、ネットワークデバイスと複数のデータ収集およびセンシング需要、次世代メモリ技術を持ちます私たちは、このようなロックされたTSMC組み込みメモリなどの新しいアプリケーションの主な需要に焦点を当て、より高い市場浸透アセンブリを達成するために、コンピューティングおよびストレージコンボ、さらにミニチュアサイズの利点を十分に発揮するだろう。
しかし、ビューのベンダー動的ポイント、2018年半ばに22ナノメートル技術場合eMRAMは成熟し、市場のアプリケーションの数が多いために開始した後。
経済日報(ライターは研究情報研究所国立センターの政策研究者です)
2.新しい流行メモリ運動エネルギー需要強いです。
現代の電子製品、メモリが不可欠な役割を果たしています。初めての推定以上$ 400億2017半導体業界の出力値、理由の一つは、メモリ要件の増加で、メーカーは価格を上げることができ、およそ2017年の収益成長五パーセントは、韓国のサムスン電子は、この波形メモリブームがそのようにメモリ市場で駆動されるようになるもの、ウェアラブルデバイス、クラウドストレージと大規模なデータ・コンピューティングの新たなインターネットのための需要を牽引し続けることが予想され、最も利益になる、最大メモリサプライヤです運動エネルギー。
電源が消えた後のデータによれば、本メモリ保存特性において、揮発性メモリは、電源障害、高コストが、高速の後にデータを保持することができ、揮発性および不揮発性メモリに分割典型的に一時的なデータ記憶のために使用することができ、非揮発性メモリアクセス速度は遅いが、長期間データを保存することができる。
スタティック・ランダム・アクセス・メモリ(SRAM)およびダイナミック・ランダム・アクセス・メモリ(DRAM)は、多くの場合、データの不揮発性メモリの一時的な使用として、コンピュータシステムや電子製品の大多数で使用されている。DRAMは現在、PC / NBおよびモバイルアプリケーション主よ、しかし、仮想化、グラフィックスやその他の複雑なのサポートで、リアルタイムアプリケーションも年々増加していきます。80年前からDRAM 20以上の世界の製造会社、現在はサムスン(サムソン)、SKハイニックス(SKハイニックス)とマイクロン(マイクロン)と3つの寡占市場、主要なPCや家電カテゴリ(iPodなど)、携帯電話、タブレットコンピュータ、ウェアラブルデバイス、インテリジェント車両から拡大したアプリケーションの種類は、無人車両DRAMはますます高く求められています。
従来の機械的ハードディスク(HDD)、ソリッドステートハードディスク(SSD)、フラッシュメモリ(フラッシュメモリ)などの読み出し専用メモリ(ROM)や書き換え可能なメモリは、読み書き特性が異なりますが、フラッシュの動作速度は一般のハードディスクよりも速いため、徐々に主流になります。
FlashとROMメモリアーキテクチャは、タンデム(NAND)、パラレルフラッシュメモリ(NOR-フラッシュ)は、マザーボードのBIOSでは一般的であると(NOR)並列に分けることができ、タンデム型フラッシュメモリ(NAND-Flashの場合)、一般的な家電製品では一般的ですなどの携帯電話、フラッシュドライブ、SSD、として、NANDフラッシュ技術は、プロセスと進化を続け、単位容量コストは減少し続け、大規模で成長しているデータの格納に使用される近年ではスマートフォン、組み込み機器および産業用アプリケーションの人気の多くでてきましたノートPCのSSDの需要の数を増やし、SSDはNAND-Flashは徐々に大手メーカーサムスン、東芝、SKハイニックスのための一般的な傾向のハードドライブを交換したことで作られました。
DRAMとNAND Flashは特性とコストを補完しており、前者は1秒あたりの伝送帯域幅が広く、単位コストが高く、消費電力が高く、伝送速度が遅く、単位あたりのコストが低く、消費電力が低いため、市場と機能は分かれており、現在のメモリ製品の2つの大きなキャンプを構成しています。インターネットの爆発的な成長、大きなデータと雲のデータに対応して、メモリは独立しているか、埋め込まれており、システムアーキテクチャの重要なコンポーネントになります。 。
2020年を目処に、世界のメモリ市場は79.51億米ドル、そのうちDRAMは38.9%、NANDフラッシュは55.1%、次世代のメモリは2.0%に拡大する見込みです。
しかし、主流のメモリDRAMとNANDが小型化プロセスに及ぼすボトルネックと影響により、現在のメモリ業界では、将来のデータストレージニーズを満たすための代替ソリューションの発見や回路の変更が最も重要な課題となります。
次世代のメモリを開発するための3つの主なメトリックには、コスト、コンポーネント性能、スケーラビリティおよび密度などが含まれ、コストにはメモリパーティクル、モジュールおよび制御回路などが含まれ、コンポーネント性能にはレイテンシ、信頼性およびデータ保持耐久性が含まれます。等
メモリの次の世代は、台湾は世界で最もがあり、一般的に、次世代のメモリコンポーネントの共通の目標のために加えて、プロセスの状態の制限を解決するための仕組みを変更することにより、保存されたデータ、低消費電力化にアクセスするために蓄積された電荷過去のやり方を変えるに向かっても、今あります高度なプロセスと回路部品と優れたR&D人材、メモリの開発に非常に有利な位置を立って維持するために、エレクトロニクス業界の食物連鎖、メモリ市場の主題を回避するために、外国メーカーの独占、世界で確固たる地位を向上させ、優位性をつかむ必要があります台湾の産業の競争力(著者は国立実験研究政策情報センター研究所の研究員である)
STPIの紹介
国立科学技術政策研究所(STPI)は1974年に設立され、中国の科学技術発展に必要なデータの収集、建設、分析、加工、サービスに長年携わってきた。資源基盤、および同等のエネルギーを促進するため、政府のビジョンアウトマップや科学技術の発展の戦略を支援するために重要な問題、特許インテリジェンス分析、イノベーションと起業家精神を探求するために、研究動向の分析を強化するには、政策研究に向けてタンクが前方に技術を専門と思います。経済日報
3. ImmervisionとSocionextは協力してpanomorphEYE開発キットを提供します。
モントリオール - (ビジネスワイヤ)----(ビジネスワイヤ) - ImmervisionとSocionextは本日、人工知能ロボット、車、無人機やスマートデバイス(AI)の他のタイプとマシンのための戦略的提携を発表インテリジェント視覚センサシステムの最初の包括的なアプリケーションを開発するために(ML)学習。PanomorphEYE開発パッケージは、2018年7月にリリース予定と記載されています。
「両社の協力関係を通じて、誰もがより多くのを想像する人を有効にするオンボードセンサーのユニークな組み合わせで開発スマートデバイスや機械のためのインテリジェントビジョンシステム、インテリジェントなビジョンと高度なSoC設計を過ごすことができスマートな製品。
これ
panomorphEYE融合視点3D画像の周りに360度、ToF型(TOF)、ジャイロスコープ、コンパス及び他のセンサ、ラピッドプロトタイピング、販売及び製品は非常に貴重な増強する能力を有することが短時間。
Immervisionは、ユニークなパノラマ広角画像キャプチャ、Data-In-Pictureと画像処理機能、周囲の環境を知覚する人間の能力を向上させることによって、インテリジェントなビジョンを可能にする、グローバルなデバイスにヒューマンファクターをもたらします。
Socionextは、システムオンチップ(SoC)のシステム比類のない専門知識を提供し、今日の主要な機器の電源をネットワーキングおよびコンピューティング、イメージングを提供します。一緒に、企業が見て、今日のデバイスを支援するために、優れたビジョン機能、自律性とインテリジェンスを提供することにコミットしていますもっと知りたい。
ImmerVision執行副社長兼最高経営責任者アレッサンドロガスパリーニは説明した:「私たちの両社の協力を通じて、誰もがスマートデバイスとインテリジェントなマシンビジョンと高度なSoC設計やボードの開発のためのインテリジェントビジョンシステムを過ごすことができます。センサのユニークな組み合わせにより、誰もがよりスマートな製品を想像することができます。
貢内藤は、上級副社長Socionext会社は言った:ImmervisionとSocionext間の」成功した協力が今日のために最先端のソリューションを提供するために、様々なカメラと画像処理アプリケーションとなって、私は新しいものに入った彼らの戦略的パートナーシップを発表できることを非常に嬉しく思います。フェーズ:ヒューマンマシンビジョンの機能をさらに強化し、より効率的かつ安全な生活を送る人々を支援します。
4. AIをパーソナライズし、消費電力を削減するIBMが新しいニューラルネットワーク・チップを開発する
ニュー・ネットワーク上で動作するGPUのNetEaseスマートニュース6月16日のニュースは、人工知能の分野で驚異的な進歩を遂げましたが、両者の協力は完全ではありません。ニューラルネットワークの新しいネットワークを実行して、より高速で効率的な代替案を提供するために特に使用されます。
この世紀の初めまで、研究者は、ビデオゲーム用に設計されたGPU(グラフィック処理装置)は、以前よりも大きなニューラルネットワークを実行するためのハードウェアアクセラレータとして使用できることを認識しました。
これは、これらのチップが従来のCPUのように連続して処理するのではなく、多数の計算を並行して実行することができるためです。
GPUの導入によってこの領域が開発されましたが、これらのチップは処理とストレージを分離する必要があります。つまり、両者の間のデータ転送に多くの時間と労力が費やされます。重量データを同じ場所に保管して処理できるストレージ技術。これにより速度とエネルギー効率が向上します。
新しいメモリデバイスは、その抵抗レベルを調整することによってデータをアナログ形式で保存します。つまり、情報がメモリに保存されるため、バイナリ1および0のバイナリメモリではなく、連続した範囲にデータが格納されます。したがって、セルのコンダクタンスでは、単にメモリセル間の電圧を転送し、システムが物理的手段によって計算を実行できるようにすることが可能である。
しかし、これらの装置の固有の物理的欠陥は、それらの挙動が矛盾していることを意味し、ニューラルネットワークを訓練するためのそれらの使用の現在の分類精度がGPUの使用よりも著しく低い。
Singularity Hubとのインタビューで、プロジェクトを率いたIBM Researchのポスドク研究員、Stefano Ambrogioは次のように述べています。「GPUよりも速いシステムでトレーニングすることができますが、トレーニングがそれほど正確でない場合は役に立たないでしょう。これまでのところ、これらの新しいデバイスの使用がGPUを使用するほど正確であるという証拠はありません。
Ambrogio氏とその同僚たちは、Nature誌の先週号に掲載された論文で、新しいアナログメモリとより伝統的な電子部品をどのように使って高速かつ低消費電力でGPUの精度に一致するチップ。
これらの新しい記憶技術が深いニューラルネットワークを訓練することが困難な理由は、このプロセスが、ネットワークが完全に整列するまで、各ニューロンの上下を何千回も刺激する必要があるからである。 Ambrogio氏によると、これらの刺激は必ずしも同じではなく、ニューロンの体重の不正確な調整につながる。
研究者は、この問題を、長期記憶と短期記憶の両方を有するネットワーク内の単一のニューロンに対応する「シナプス単位」を作成することによって解決した。各細胞は、一対の相変化記憶( PCMセルと3つのトランジスタとコンデンサとの組み合わせであるPCMは、重量データを抵抗器に記憶し、コンデンサは重量データを電荷として記憶する。
PCMは一種の「不揮発性メモリ」で、外部電源がなくても記憶された情報を保持することができ、コンデンサは「揮発性」であるため、数ミリ秒以内に電荷を維持することができます。しかし、コンデンサにはPCMデバイスのバラツキがないため、迅速かつ正確にプログラムすることができます。
ニューラルネットワークが分類タスクを完了するために画像を訓練するとき、コンデンサの重量のみが更新され、数千の画像を見た後、長期記憶のために重量データがPCMユニットに転送される。 Ambrogioによれば、PCMユニットで直接訓練を行うと、これは実現不可能であるとのことです。
研究者らは、その機器をテストするために、ネットワーク上で人気のある画像認識ベンチマークテストを実施しました。その結果、Googleの主要なニューラルネットワークソフトウェアTensorFlowと同等の精度を達成しました。チップはGPUよりも280倍の効率があり、1平方ミリメートルあたりの計算能力はCPUの100倍になります。研究者がまだチップを完全に構築していないことは注目に値します。
Ambrogio氏は、実際のPCMユニットがテストで使用されたにもかかわらず、コンピュータ上で他のコンポーネントがシミュレートされていることを示しています。実際のPCM装置を使用することを決定した場合、これらの装置のシミュレーションはまだ信頼できるものではなく、他のコンポーネントのアナログ技術は既に成熟しているため、この設計に基づいて完全なチップを構築することができます。
このニューラルネットワークでは、すべてのニューロンが上位層のニューロンに接続されていると、アンブロジオ氏は述べていますが、実際には多くのニューラルネットワークが完全に接続されていません。または、いくつかのレイヤーだけが完全に接続されています。
しかし、Ambrogio氏は、最終チップはGPUで動作するように設計されているため、他の接続を扱う際にはフル接続層の計算も処理できるとしている。より広く使用されています。
このような専用チップでは、どんなことが可能ですか?
Ambrogioによると、パーソナル・デバイスに人工知能を適用し、データセンターをより効率的にするという2つの主な用途があります。後者は大規模なテクノロジー企業にとって大きな問題です。
人工知能が直接パーソナル・デバイスに適用される場合、ユーザーはクラウド内でデータを共有する必要がないため、プライバシーを守ることができますが、Ambrogioは、より刺激的な見通しが人工知能のパーソナライズであると述べています。
彼は次のように述べています。「このニューラルネットワークを車やスマートフォンに適用することで、彼らはあなたの経験から学び続けることができます。
あなたの携帯電話はあなたの声に合わせてパーソナライズされ、あなたの車はあなたの習慣に基づいてユニークな運転スタイルを形成します。